Optimierung der Klassifikationsleistung von maschinellen Lernmodellen in Röntgen-Thoraxaufnahmen durch Adaptive Multiple Fensterung mithilfe von Windownet
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2024 · 196 (S 01 S 01) · S33
DOI: 10.1055/s-0044-1781564 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2024. Verfasst von S Hyska und 4 weiteren Autor:innen.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Zitieren
APA
Hyska, S., Wollek, A., Sabel, B., Ingrisch, M., & Lasser, T. (2024). Optimierung der Klassifikationsleistung von maschinellen Lernmodellen in Röntgen-Thoraxaufnahmen durch Adaptive Multiple Fensterung mithilfe von Windownet. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 196(S 01 S 01), S33. https://doi.org/10.1055/s-0044-1781564
Vancouver
Hyska S, Wollek A, Sabel B, Ingrisch M, Lasser T. Optimierung der Klassifikationsleistung von maschinellen Lernmodellen in Röntgen-Thoraxaufnahmen durch Adaptive Multiple Fensterung mithilfe von Windownet. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2024;196(S 01 S 01):S33. doi:10.1055/s-0044-1781564
BibTeX
@article{Hyska2024,
author = {Hyska, S and Wollek, A and Sabel, B and Ingrisch, M and Lasser, T},
title = {Optimierung der Klassifikationsleistung von maschinellen Lernmodellen in Röntgen-Thoraxaufnahmen durch Adaptive Multiple Fensterung mithilfe von Windownet},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2024},
volume = {196},
number = {S 01 S 01},
pages = {S33},
doi = {10.1055/s-0044-1781564}
}
EUVIMED